Anaconda vs. EPD Enthought vs. Python 수동 설치 [닫기]

다양한 Python 번들 (EPD / Anaconda)과 수동 설치의 상대적인 장점 / 단점은 무엇입니까?

EPD 교육을 설치했는데 문제가 없습니다. 내가 필요하다고 생각하는 더 많은 패키지를 제공하며 enpkg enstaller를 사용하여 업데이트하는 것은 매우 쉽습니다. EPD 교육용 라이센스는 매년 갱신해야하지만 무료 버전은 쉽게 업데이트하지 않습니다.

현재로서는 Pandas , NumPy , SciPy , matplotlib , IPython , Statsmodels 및 각각의 종속성과 같은 소수의 패키지 만 사용합니다 .

이러한 제한된 사용을 위해 수동 설치를 사용하는 것이 더 낫 pip install --upgrade 'package'습니까? 아니면 번들이 이것 이상을 제공합니까?

업데이트 2015 : 요즘 나는 항상 Anaconda를 추천합니다. 여기에는 과학 컴퓨팅, 데이터 과학, 웹 개발 등을위한 많은 Python 패키지가 포함되어 있습니다. 또한 condaPython 2와 3 사이에서도 환경간에 쉽게 전환 할 수 있는 우수한 환경 도구를 제공합니다. 또한 매우 빠르게 업데이트됩니다. 패키지의 새 버전이 출시되면 conda update packagename업데이트 만하면 됩니다.

아래의 원래 답변 :

Windows에서 복잡한 것은 수학 패키지를 컴파일하는 것이므로 Python다른 패키지없이 에만 관심이있는 경우에만 수동 설치가 실행 가능한 옵션이라고 생각 합니다.

따라서 EPD (현재 Canopy) 또는 Anaconda를 선택하는 것이 좋습니다.

Anaconda에는 대부분의 과학 응용 프로그램 및 데이터 분석에 가장 중요한 NumPy , SciPy , Pandas , IPython , matplotlib , Scikit-learn을 포함하여 약 270 개의 패키지가 있습니다. 이 정도면 충분하다면 아나콘다를 선택하겠습니다.

대신 다른 패키지에 관심이 있고 Enthought 패키지 ( 예를 들어 Chaco 는 실시간 데이터 시각화에 매우 유용함) 중 하나를 사용하는 경우 더 많은 경우 EPD / Canopy가 더 나은 선택 일 것입니다. Academic 버전에는 기본 설치에 더 많은 수의 패키지가 있고 저장소에 더 많은 패키지가 있습니다. Anaconda에는 Chaco도 포함됩니다.

작년에 다양한 Windows 배포판을 시도하여 내 작업 환경에 적합한 하나를 찾으려고 노력했습니다 (프록시 뒤에 있지만 프록시 구성에 액세스하지 않음).

경험에서 얻은 피드백은 다음과 같습니다.

EPD / Canopy : EPD 라이선스가 있었지만 오래되었고 이상한 프록시 상황으로 인해 업데이트 할 수 없었습니다. 일부 패키지 (예 : 최신 버전의 xlrd / xlwt ) 를 추가하기 위해 소스에서 컴파일했습니다. SciPy 및 NumPy 를 업데이트하기 위해 http://www.lfd.uci.edu/~gohlke/pythonlibs/ 에서 미리 컴파일 된 설치 프로그램을 사용 했지만 때때로 호환성을 망칠 수 있습니다. 나는 완전히 구성된 Py2exe 및 Cython을 갖는 것을 좋아 했으며 간단하게 상자에서 작동했습니다.

잠시 후 무료 버전의 Canopy를 설치하려고했지만 Cython과 py2exe 및 필요한 특정 고급 패키지가 부족하여 실제로 사용하지 않았습니다. 내 동료 중 일부는 전체 Canopy 라이선스를 구입했지만 어떻게 업데이트할지 확신 할 수 없습니다.

Python (x, y) : 라이센스 문제를 원하지 않고 집에 Python (x, y)를 설치했습니다. 내가 지금 눈치 챈 유일한 단점은 표준 설치에서는 원하는 패키지를 선택해야한다는 것입니다. 클라이언트가 설치할 때와 똑같은 구성을 가질 지 확신 할 수 없기 때문에 좋은 점과 나쁜 점입니다. (Enthought 도구 모음은 Python (x, y)에 설치할 수 있습니다.) Python (x, y)를 잠시 사용한 후 32 비트 버전을 설치했습니다. 웹 사이트에서는 명확하지 않지만 2015 년 7 월 현재 64 비트 버전이없는 것 같습니다. 제거하고 64 비트 배포판을받을 것입니다.

Anaconda : 처음이 글을 썼을 때 Anaconda는 아직 패키지가 충분하지 않은 것 같습니다. 몇 년 후, 훨씬 나아진 것 같습니다. 한 번 시도해 보겠습니다!

수동 : 이전 EPD 버전과의 버전 호환성 문제를 피하기 위해 수동 Python 설치를 사용하고 위에 링크 된 LFD 웹 사이트에서 추가 패키지를 추가했습니다. 훌륭하게 작동하지만 고급 패키지 (예 : GDAL 또는 PyFITS )가 필요한 새로운 사용자에게 여전히 Canopy를 제안합니다 .

요약 : Canopy를 사용하는 경우 정식 라이선스 (Academic 또는 구매)를 받으십시오. 그렇지 않으면 Python (x, y)을 사용하면 동일하게됩니다.

Ubuntu : 배포 할 필요가 없습니다. 모두 비교적 최근 (+/- 6 개월이 허용됨)이며 사전 컴파일되었습니다. 실행하기 만하면됩니다 sudo apt-get install python python-scipy! 대부분의 고급 패키지도 있습니다.

다른 답변은 근거를 아주 잘 다루므로 아직 아무도 언급하지 않은 특정 측면에 대해 언급하고 싶습니다. 아마도 상당히 틈새 시장이지만 Linux 시스템에서 일부 사람들에게 Anaconda 또는 Canopy를 만들거나 깨뜨릴 수 있습니다.

Anaconda Python 빌드는 UCS4 유니 코드 모드를 사용하는 반면 Enthought Canopy는 UCS2를 사용합니다.

이것이 실제로 의미하는 바는 어떤 이유로 든 스스로 컴파일 할 수없는 확장 (예 : 사전 컴파일 된 독점 라이브러리)에 의존하는 경우 동일한 모드의 Python 버전 용으로 빌드되지 않으면 더 빨리 할 수 ​​있다는 것입니다. 또는 나중에 다음과 같은 오류가 발생합니다 undefined symbol: PyUnicodeUCS4_AsUTF8String.

PEP 0513 에 따르면 UCS4는 현재 더 인기 있고 권장되는 것으로 보입니다. 또한 전체 UCS 호환성 문제는 2.x 및 3.3 미만 버전에만 영향을 미치는 것 같습니다.

나는 수년간 Anaconda를 사용했고 꽤 좋아했습니다. 안타깝게도 IPython Notebook (현재 Jupyter )은 엔터프라이즈 에디션 없이는 사용할 수 없습니다.

교실에서 Jupyter 노트북을 사용하고 싶어서 Canopy로 전환했습니다. 필요한 모든 패키지를 설치하는 것이 충분히 쉬워 보입니다. 물론, 우리는 그것들을 모두 테스트하지 않았습니다.